数字图像内容篡改盲取证研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-32页 |
| ·图像盲取证研究背景及意义 | 第12-14页 |
| ·图像篡改方法 | 第14-18页 |
| ·图像认证方法 | 第18-21页 |
| ·基于水印的图像认证技术 | 第18-19页 |
| ·基于数字签名的图像认证技术 | 第19-20页 |
| ·基于盲取证的图像认证技术 | 第20-21页 |
| ·图像盲取证研究进展 | 第21-28页 |
| ·国内外研究情况 | 第21页 |
| ·图像来源取证 | 第21-24页 |
| ·图像内容篡改检测 | 第24-28页 |
| ·本文的研究思路和主要工作 | 第28-32页 |
| ·本文研究思路 | 第28-29页 |
| ·本文主要工作 | 第29页 |
| ·本文结构安排 | 第29-32页 |
| 2 基于JPEG双重压缩效应的图像盲取证 | 第32-52页 |
| ·JPEG图像双重压缩原始量化步长估计方法 | 第33-41页 |
| ·问题描述 | 第33-34页 |
| ·基于直方图特征的估计方法 | 第34-40页 |
| ·实验结果与分析 | 第40-41页 |
| ·基于双重压缩效应的JPEG图像篡改检测 | 第41-51页 |
| ·双重压缩效应 | 第41-43页 |
| ·JPEG篡改模型 | 第43-44页 |
| ·检测算法 | 第44-46页 |
| ·实验结果与分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 3 图像区域复制篡改鲁棒取证 | 第52-74页 |
| ·图像区域复制篡改模型 | 第52-54页 |
| ·基于小波变换和Zernike矩的检测算法 | 第54-61页 |
| ·图像的小波变换 | 第54-55页 |
| ·Zernike矩特征提取 | 第55-56页 |
| ·特征向量排序 | 第56页 |
| ·阈值选择 | 第56-57页 |
| ·检测算法 | 第57页 |
| ·实验结果与分析 | 第57-61页 |
| ·基于高斯金字塔分解和Hu矩的检测算法 | 第61-72页 |
| ·高斯金字塔分解 | 第61-62页 |
| ·Hu矩特征提取 | 第62-64页 |
| ·检测算法 | 第64-65页 |
| ·实验结果与分析 | 第65-72页 |
| ·本章小结 | 第72-74页 |
| 4 基于频域统计特征的图像拼接篡改检测 | 第74-88页 |
| ·非抽样Contourlet变换 | 第74-76页 |
| ·NSCT域特征 | 第76-79页 |
| ·估计参数与误差 | 第77-78页 |
| ·频域矩 | 第78-79页 |
| ·DCT域特征 | 第79-81页 |
| ·马尔可夫链 | 第79-80页 |
| ·马尔可夫特征 | 第80-81页 |
| ·支持向量机(SVM) | 第81-84页 |
| ·广义最优分类面 | 第82-83页 |
| ·支持向量机 | 第83-84页 |
| ·内积核函数 | 第84页 |
| ·检测算法 | 第84-85页 |
| ·实验结果与分析 | 第85-87页 |
| ·图像拼接样本数据库 | 第85-86页 |
| ·实验结果与对比 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 5 基于边缘分析的图像模糊篡改取证 | 第88-102页 |
| ·图像篡改中的模糊操作 | 第88-89页 |
| ·图像边缘点分析 | 第89-91页 |
| ·图像模糊特征提取 | 第91-96页 |
| ·图像原图特征 | 第91-92页 |
| ·预测误差图像特征 | 第92-93页 |
| ·相位一致性特征 | 第93-94页 |
| ·局部清晰度特征 | 第94-95页 |
| ·分类器训练 | 第95页 |
| ·检测算法 | 第95-96页 |
| ·实验结果与分析 | 第96-101页 |
| ·模糊检测 | 第96-99页 |
| ·鲁棒性测试 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 6 总结与展望 | 第102-104页 |
| 致谢 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 附录 | 第118-119页 |
